クイックソート

基準値（ピボット）を選び、それより小さい要素と大きい要素に分割する操作を再帰的に繰り返す整列アルゴリズム。平均計算量がO(n log n)と高速で、実用的に最も多く使われるソートの一つである。

基準値（ピボット）を選び、それより小さい値と大きい値に分割する操作を再帰的に繰り返す整列アルゴリズム。平均計算量はO(n log n)で高速だが、最悪の場合O(n²)になる。不安定ソート。

基準値（ピボット）を選び、それより小さい要素と大きい要素のグループに分割する処理を、各グループに再帰的に繰り返す分割統治の整列のアルゴリズム。平均の計算量はO(n log n)で実用上最も速い部類だが、ピボットの選び方が悪いと分割が偏り最悪O(n²)になる。安定な整列ではない。

基準値（ピボット）を選び、それより小さい要素と大きい要素のグループに分ける操作を、各グループに再帰的に繰り返して整列するアルゴリズム。平均の計算量はO(n log n)で実用上最も速い部類だが、ピボットの選び方が悪いと最悪O(n²)になる。

データを半分に分割して再帰的に整列し、整列済みの部分列を統合（マージ）するアルゴリズム。計算量は常にO(n log n)で安定しており、安定ソート（同値要素の順序を保持）。外部ソートにも適用可能だが、O(n)の追加メモリが必要。

ヒープ構造を利用したソートアルゴリズム。データからヒープを構築し、最大（最小）要素を繰り返し取り出して整列する。計算量は常にO(n log n)で追加メモリがO(1)だが、キャッシュ効率がクイックソートより劣る。

最適化問題を部分問題に分割し、各部分問題の最適解を記憶して再利用することで全体の最適解を効率的に求める手法。ナップサック問題や最短経路問題などに適用され、メモ化再帰やボトムアップ方式で実装される。

アルゴリズムの実行に必要な時間や空間の量をオーダー記号O(n)で表現したもの。時間計算量と領域計算量があり、入力サイズnに対する増加傾向でアルゴリズムの効率を評価する。O(1)<O(log n)<O(n)<O(n log n)<O(n^2)<O(2^n)の順に計算量が大きい。

整列済みデータの中央要素と目標値を比較し、探索範囲を半分に絞り込む操作を繰り返す探索アルゴリズム。計算量はO(log n)。データが整列されている前提が必要で、配列に対して適用される。

キーからハッシュ関数でアドレスを算出し、データを直接参照する探索法。平均O(1)で探索可能だが、衝突（異なるキーが同一アドレスに対応）が発生した場合の処理が性能に影響する。シノニム対策が重要。